Маркетинговый анализ развлекательного приложения Procrastinate Pro+¶

Несмотря на огромные вложения в рекламу, последние несколько месяцев компания терпит убытки. Необходимо разобраться в причинах и помочь компании выйти в плюс. В нашем распоряжении данные о пользователях, привлечённых с 1 мая по 27 октября 2019 года:

  • лог сервера с данными об их посещениях,
  • выгрузка их покупок за этот период,
  • рекламные расходы.

В ходе исследование были разобраны следующие вопросы:

  • откуда приходят пользователи и какими устройствами они пользуются,
  • сколько стоит привлечение пользователей из различных рекламных каналов;
  • сколько денег приносит каждый клиент,
  • когда расходы на привлечение клиента окупаются,
  • какие факторы мешают привлечению клиентов.

Загрузка данных и их подготовка к анализу¶

Посмотрим на датасеты и информацию о типах данных по каждой из импортируемых csv-файлов и подготовим их к анализу. Начнем с данных о визитах

Предобработка visits¶

User Id Region Device Channel Session Start Session End
0 981449118918 United States iPhone organic 2019-05-01 02:36:01 2019-05-01 02:45:01
1 278965908054 United States iPhone organic 2019-05-01 04:46:31 2019-05-01 04:47:35
2 590706206550 United States Mac organic 2019-05-01 14:09:25 2019-05-01 15:32:08
3 326433527971 United States Android TipTop 2019-05-01 00:29:59 2019-05-01 00:54:25
4 349773784594 United States Mac organic 2019-05-01 03:33:35 2019-05-01 03:57:40
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 309901 entries, 0 to 309900
Data columns (total 6 columns):
 #   Column         Non-Null Count   Dtype 
---  ------         --------------   ----- 
 0   User Id        309901 non-null  int64 
 1   Region         309901 non-null  object
 2   Device         309901 non-null  object
 3   Channel        309901 non-null  object
 4   Session Start  309901 non-null  object
 5   Session End    309901 non-null  object
dtypes: int64(1), object(5)
memory usage: 14.2+ MB

Для удобства и в соответствии с правилами хорошего тона поменяем название столбцов.

Out[4]:
Index(['User Id', 'Region', 'Device', 'Channel', 'Session Start',
       'Session End'],
      dtype='object')
Out[5]:
Index(['user_id', 'region', 'device', 'channel', 'session_start',
       'session_end'],
      dtype='object')

Столбцы user_id, region, device и channel соответствуют своему типу данных. В столбцах session_start и session_end содержатся даты. Приведем их к типу данных datetime.

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 309901 entries, 0 to 309900
Data columns (total 6 columns):
 #   Column         Non-Null Count   Dtype         
---  ------         --------------   -----         
 0   user_id        309901 non-null  int64         
 1   region         309901 non-null  object        
 2   device         309901 non-null  object        
 3   channel        309901 non-null  object        
 4   session_start  309901 non-null  datetime64[ns]
 5   session_end    309901 non-null  datetime64[ns]
dtypes: datetime64[ns](2), int64(1), object(3)
memory usage: 14.2+ MB

Проверим колонки на наличие пропущенных значений и дубликатов

Колонок с пропущенным значением: 0
Количество явных дубликатов: 0
array(['United States', 'UK', 'France', 'Germany'], dtype=object)
array(['iPhone', 'Mac', 'Android', 'PC'], dtype=object)
Out[8]:
array(['organic', 'TipTop', 'RocketSuperAds', 'YRabbit', 'FaceBoom',
       'MediaTornado', 'AdNonSense', 'LeapBob', 'WahooNetBanner',
       'OppleCreativeMedia', 'lambdaMediaAds'], dtype=object)

Пропущенных значений и явных дубликатов не обнаружено. Среди уникальных значений столбцов region, device и channel неявных дубликатов так же нет.

Проверим данные о заказах

Предобработка orders¶

User Id Event Dt Revenue
0 188246423999 2019-05-01 23:09:52 4.99
1 174361394180 2019-05-01 12:24:04 4.99
2 529610067795 2019-05-01 11:34:04 4.99
3 319939546352 2019-05-01 15:34:40 4.99
4 366000285810 2019-05-01 13:59:51 4.99
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 40212 entries, 0 to 40211
Data columns (total 3 columns):
 #   Column    Non-Null Count  Dtype  
---  ------    --------------  -----  
 0   User Id   40212 non-null  int64  
 1   Event Dt  40212 non-null  object 
 2   Revenue   40212 non-null  float64
dtypes: float64(1), int64(1), object(1)
memory usage: 942.6+ KB

Для удобства и в соответствии с правилами хорошего тона поменяем название столбцов.

Out[10]:
Index(['User Id', 'Event Dt', 'Revenue'], dtype='object')
Out[11]:
Index(['user_id', 'event_dt', 'revenue'], dtype='object')

В столбце event_dt содержатся даты. Приведем его к типу данных datetime.

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 40212 entries, 0 to 40211
Data columns (total 3 columns):
 #   Column    Non-Null Count  Dtype         
---  ------    --------------  -----         
 0   user_id   40212 non-null  int64         
 1   event_dt  40212 non-null  datetime64[ns]
 2   revenue   40212 non-null  float64       
dtypes: datetime64[ns](1), float64(1), int64(1)
memory usage: 942.6 KB

Проверим колонки на наличие пропущенных значений и дубликатов

Колонок с пропущенным значением: 0
Количество явных дубликатов: 0

Пропущенных значений и явных дубликатов не обнаружено.

Проверим последнюю таблицу, с данными о расходах

Предобработка costs¶

dt Channel costs
0 2019-05-01 FaceBoom 113.3
1 2019-05-02 FaceBoom 78.1
2 2019-05-03 FaceBoom 85.8
3 2019-05-04 FaceBoom 136.4
4 2019-05-05 FaceBoom 122.1
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1800 entries, 0 to 1799
Data columns (total 3 columns):
 #   Column   Non-Null Count  Dtype  
---  ------   --------------  -----  
 0   dt       1800 non-null   object 
 1   Channel  1800 non-null   object 
 2   costs    1800 non-null   float64
dtypes: float64(1), object(2)
memory usage: 42.3+ KB

Для удобства и в соответствии с правилами хорошего тона поменяем название столбца Channel.

Out[15]:
Index(['dt', 'channel', 'costs'], dtype='object')

В столбце dt содержатся даты. Приведем его к типу данных datetime.

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1800 entries, 0 to 1799
Data columns (total 3 columns):
 #   Column   Non-Null Count  Dtype  
---  ------   --------------  -----  
 0   dt       1800 non-null   object 
 1   channel  1800 non-null   object 
 2   costs    1800 non-null   float64
dtypes: float64(1), object(2)
memory usage: 42.3+ KB

Проверим колонки на наличие пропущенных значений и дубликатов

Колонок с пропущенным значением: 0
Количество явных дубликатов: 0
Out[18]:
array(['FaceBoom', 'MediaTornado', 'RocketSuperAds', 'TipTop', 'YRabbit',
       'AdNonSense', 'LeapBob', 'OppleCreativeMedia', 'WahooNetBanner',
       'lambdaMediaAds'], dtype=object)

Пропущенных значений и явных дубликатов не обнаружено. В колонке сhannel неявные дубликаты отсутствуют.
Так же для готовых функций нам понадобиться переменная User. За основу берем датасет с визитами

Задайте функции для расчёта и анализа LTV, ROI, удержания и конверсии.¶

В целях маркетингового анализа зададим функции, которые помогут нам с оценкой окупаемости рекламного бюджета по источникам, странам и каналам, а так же наглядно визуализируют полученные данные

Функция для создания профилей пользователей:

Функция для подсчёта Retention Rate:

Функция для подсчёта конверсии:

Функция для подсчёта LTV и ROI:

Функция для сглаживания датафрейма:

Функция для построения графика Retention Rate:

Функция для построения графика конверсии:

Функция для для визуализации LTV и ROI:

Функции заданы. Переходим к исследованию

Исследовательский анализ данных¶

Профили пользователей¶

user_id first_ts channel device region dt month payer acquisition_cost
0 599326 2019-05-07 20:58:57 FaceBoom Mac United States 2019-05-07 2019-05-01 True 1.088172
1 4919697 2019-07-09 12:46:07 FaceBoom iPhone United States 2019-07-09 2019-07-01 False 1.107237
2 6085896 2019-10-01 09:58:33 organic iPhone France 2019-10-01 2019-10-01 False 0.000000
3 22593348 2019-08-22 21:35:48 AdNonSense PC Germany 2019-08-22 2019-08-01 False 0.988235
4 31989216 2019-10-02 00:07:44 YRabbit iPhone United States 2019-10-02 2019-10-01 False 0.230769
... ... ... ... ... ... ... ... ... ...
150003 999956196527 2019-09-28 08:33:02 TipTop iPhone United States 2019-09-28 2019-09-01 False 3.500000
150004 999975439887 2019-10-21 00:35:17 organic PC UK 2019-10-21 2019-10-01 False 0.000000
150005 999976332130 2019-07-23 02:57:06 TipTop iPhone United States 2019-07-23 2019-07-01 False 2.600000
150006 999979924135 2019-09-28 21:28:09 MediaTornado PC United States 2019-09-28 2019-09-01 False 0.205714
150007 999999563947 2019-10-18 19:57:25 organic iPhone United States 2019-10-18 2019-10-01 False 0.000000

150008 rows × 9 columns

Самая ранняя дата привлечения пользователей 2019-05-01 00:00:41
Самая поздняя дата привлечения пользователей 2019-10-27 23:59:04

Результат — 150008 пользовательских профилей, в каждом из которых есть данные о дате первого посещения и рекламном источнике. Так как мы работаем с данными от 1 мая по 27 октября 2019 года, можно сказать что пользовательский поток идет стабильно и за изучайный период первый пользователь появился на первой минуте самой ранней даты, а последний за минуту до конца изучаемого периода.

Распределение пользователей по регионам¶

Out[29]:
total_users payers payers_rate
region
United States 100002 6902 0.069019
Germany 14981 616 0.041119
UK 17575 700 0.039829
France 17450 663 0.037994

Вывод по регионам:

  • Наибольший поток пользователей наблюдается из Соедененных штатов (66,7 %). Примерно на одном уровне (в районе 10 - 12%) находятся пользователи из Англии, Германии и Франции;
  • Платные действия в основном совершают пользователи из Соедененных штатов (77,7 %). Оставшаяся часть покупок (в районе 7-8% на страну) приходится на пользователи из Англии, Германии и Франции.

Распределение пользователей по устройствам¶

Out[31]:
total_users payers payers_rate
device
Mac 30042 1912 0.063644
iPhone 54479 3382 0.062079
Android 35032 2050 0.058518
PC 30455 1537 0.050468

Вывод по устройствам:

  • Приложением чаще всего пользуются на IPhone;
  • Доля PC, MAC и Android примерно одинаковая;
  • Сильного различия по ислользованию устройств среди платящих и неплатящих пользователей не наблюдается.

Дополнительно посмотрим на разбивку по Регионам

Out[33]:
region device France Germany UK United States
0 Android 5252 4440 5141 20199
1 Mac 1838 1584 1778 24842
2 PC 6940 5945 7138 10432
3 iPhone 3420 3012 3518 44529

Вывод по распределению пользоватей по устроиствам и регионам:

  • Европейские пользователи чаще всего впервые заходят в приложение с PC (около 40%), реже с устроиств Android (29 - 30%).
  • С продуктов Apple на европейском рынке заходят реже. 20% пользователей использовали iPhone и всего 10-11% Mac.
  • Почти половина пользователей США являются владельцами iPhone. Так же в отличие от Европы почти четверть пользуются устроиствами Mac.
  • Реже всего Американцы используют PC, всего 10,4% пользователей

Рекламные источники¶

  • Изучите рекламные источники привлечения и определите каналы, из которых пришло больше всего платящих пользователей. Постройте таблицу, отражающую количество пользователей и долю платящих для каждого канала привлечения.
Out[35]:
total_users payers payers_rate
channel
FaceBoom 29144 3557 0.122049
AdNonSense 3880 440 0.113402
lambdaMediaAds 2149 225 0.104700
TipTop 19561 1878 0.096007
RocketSuperAds 4448 352 0.079137

Вывод по рекламным источникам:

  • В ТОП-5 рекламных источников среди всех пользователей попали FaceBoom, TipTop, OppleCreativeMedia, и LeapBob.
  • Среди всех пользователей чаще всего на приложение переходят без рекламных источников (46,1 %).
  • В ТОП-5 рекламных источников среди платящих пользователей попали FaceBoom, TipTop, WahooNetBanner, и AdNonSense.
  • Среди платящей аудитории больше всего переходов было совершено через FaceBoom (47,5 %)
  • В ТОП-5 рекламных источников, с наивысшей долей платящих на канал привлечения вошли FaceBoom, AdNonSense, lambdaMediaAds, TipTop и RocketSuperAds.

Посмотрим распределение рекламных каналов по регионам

Out[36]:
region channel France Germany UK United States
7 WahooNetBanner 152.0 148.0 153.0 NaN
0 AdNonSense 150.0 142.0 148.0 NaN
2 LeapBob 90.0 69.0 103.0 NaN
9 lambdaMediaAds 82.0 67.0 76.0 NaN
4 OppleCreativeMedia 80.0 64.0 89.0 NaN
1 FaceBoom NaN NaN NaN 3557.0
3 MediaTornado NaN NaN NaN 156.0
5 RocketSuperAds NaN NaN NaN 352.0
6 TipTop NaN NaN NaN 1878.0
8 YRabbit NaN NaN NaN 165.0

Среди 10 рекламных каналов 5 работают только на Европейской территории и 5 только на территории США

Пользовательский портрет понятен. Теперь можно разобрать расходы на маркетинг

Маркетинг¶

Рассход на маркетинг по рекламным источникам¶

Посчитаем общую сумму расходов на маркетинг

Общая сумма затрат на маркетинг: 105497.30000000002

Посмотрим как траты распределены по рекламным источникам (сколько денег потратили на каждый источник).

Out[38]:
costs
channel
TipTop 54751.30
FaceBoom 32445.60
WahooNetBanner 5151.00
AdNonSense 3911.25
OppleCreativeMedia 2151.25
RocketSuperAds 1833.00
LeapBob 1797.60
lambdaMediaAds 1557.60
MediaTornado 954.48
YRabbit 944.22

Львиная доля бюджета (почти 50%) на маркетинг была выделена в TipTop. Вторым по значимости вложений стал FaceBoom (30% бюджета). Стоит отметить что эти два канала показывают рекламу только в США, соответственно почти 80% бюджета оседает на рекламном рынке Америки.

Посмотри мна распределени бюджета относительно месяца и недели:

Вывод по месечным затратам:

  • Все каналы, кроме TipTop и FaceBoom "лежат" на графике.
  • Первый месяц затраты на TipTop и FaceBoom находятся на одном уровне.
  • Со второго месяца маркетинговые затраты на TipTop начинают расти и достигают максимальной отметки в сентябре, привысив стартовые показатели в два раза, в то время как затраты на FaceBoom оставались на том же уровне.
Out[41]:
Text(0.5, 1.0, 'Затраты на маркетинг по неделям')

Вывод по недельным затратам:

  • Все каналы, кроме TipTop и FaceBoom все так же "лежат" на графике.
  • До 21-й недели затраты на TipTop были ниже чем на FaceBoom.
  • Вложения на TipTop и FaceBoom от недели к неделе идут пропорцианально, достигая пика на 39 неделе и резко снижаясь к 42.
  • В конце изучаемого периода траты на TipTop и FaceBoom начиная с 42 недели снова начинают расти

Средняя стоимость привлечения одного пользователя (CAC)¶

Out[42]:
cac
channel
TipTop 2.799003
FaceBoom 1.113286
AdNonSense 1.008054
lambdaMediaAds 0.724802
WahooNetBanner 0.602245
RocketSuperAds 0.412095
OppleCreativeMedia 0.250000
YRabbit 0.218975
MediaTornado 0.218717
LeapBob 0.210172
organic 0.000000
Out[43]:
cac
channel
TipTop 2.799003
FaceBoom 1.113286
AdNonSense 1.008054
lambdaMediaAds 0.724802
WahooNetBanner 0.602245
RocketSuperAds 0.412095
OppleCreativeMedia 0.250000
YRabbit 0.218975
MediaTornado 0.218717
LeapBob 0.210172
organic 0.000000

Вывод по CAC (каналы):

  • Пользователи из TipTop обходятся дороже всех;
  • Привлечение пользователей из FaceBoom и AdNonSense стоят в районе 1 у.е.. Стоит учитывать что FaceBoom приносит почти половину платящих пользователей;
  • Остальные источники не прывышают стоимость 1 у.е..
Out[45]:
cac
region
United States 0.909268
Germany 0.295322
France 0.290887
UK 0.288393

Вывод по CAC (регион):

  • Пользователи из США самые дорогие в привлечении;
  • Стоимость привлечения пользователей из Германии, Франции и Великобритании находится на одном уровне;
  • Европейские пользователи в три раза выгоднее Американских;
Out[47]:
cac
month
2019-10-01 0.861699
2019-09-01 0.852408
2019-08-01 0.777021
2019-07-01 0.726878
2019-06-01 0.652599
2019-05-01 0.368064

Вывод по CAC (по месяцам):

  • В начале исследовательского периода стоимость пользователя была всего 0,37 у.е. Самый низкий САС за весь периода;
  • После резкого увеличения почти на 0,2 пункта в июне стоимоть пользователя стабильно увеличивается на 0,05 - 0,07 у.е. на протяжении трех месяцев;
  • На конец периода стоимость привлечения достикла 0,86 у.е. став самым дорогим месяцем;

Оцените окупаемость рекламы¶

Проверим окупаются ли привлеченные пользователи за 2 недели. Поскольку мы имеем дело с бюджетом на рекламу, органических пользователей следует исключить - они нам ничего не стоили.

Графики LTV и ROI, графики динамики LTV, CAC и ROI¶

Вывод по окупаемости рекламы:

  • LTV построен верно. График плавно растет, не опускается, в пике доходит до показателя 0,9
  • В динамике LTV присутствуют резкие спады и возвышения, но в целом держится в одном и том же диапазоне.
  • Стоимость привлечения пользователя постоянно растет и за 5 месяцев выросла примерно в два раза.
  • Пользователи не окупаются
  • Привлечение пользователей перестало окупаться в середине Июня, и с каждым последующим месяцем становится все дальше от зоны окупаемости.

Конверсия и удержание пользователей¶

Коверсия плавно поднимается до 10го дня и после остается в районе 0,08. Динамика конверсии показывает хороший приход платильщиков в середине июня, стабильный с начала июля и до его середины. Самым слабым периодом оказался середина мая.

Рассмотрим конверсию по регионам и устройствам.

Лучше всего конверсию показывают Mac и iPhone, которыми пользуюся в США. Самая низкая конверсия у пользователей PC.

Ожидаемо конверсия пользователей из США Сильно превосходит Европейских. Динамика же показывает что на старте изучаемого периода позьзователи Франции, Германии и Великобритании по конверсии были на уровне США, и даже превосходили их показатели. После июня Европа больше не показывала высокой конверсии, за исключением вспышки в середине августа на территории Великобритании.

Лидером по конверсии стал FaceBoom. В тройку так же попали AdNonSense и LambdaMediaAds. В динамике хорошую, но не постоянную конверсию показывает LambdaMediaAds (за отличительными пиковыми показателями, следуют такие же отличительные спады). Хуже всего конверсия идет в OppleCreativeMedia

Вывод по конверсии:

  • США показывает лучшую конверсию среди изучаемых регионов.
  • Конверсия Европейских стран резко поднимается в конце мая и после стабильно низка.
  • Пользователи Mac и iPhone лидируют по конверсии. Скорей всего это вызвано большим кол-вом пользователей из США.
  • Среди каналов лучшую конверсию демонтрирует FaceBoom

Платящие пользователи остаются в приложении ожидаемо дольше. Неплатящие теряют интерес на восьмой день. Динамику платящих достаточно сильно штормит, достигая порой нулевые значения.

Посмотрим удержание по устройствам и регонам

PC и Android, которые плохо конвертировались, показывают достаточно хорошие показатели удержания платных пользователей. В динамике пользователи iPhone не превышают показателя в 0,3, в то время как пиковые значения PC подбираются к 0,7

Платящие Европейцы удерживаются гораздо лучше чем американцы. В динамике удержание на 14й день Франции, Германии и Великобритании порой достигает единицы, тогда как в США пиковое значение находится в районе 0,3

Лидеры по конверсии FaceBoom и AdNonSense оказались аутсайдерами по удержанию. Остальные 8 каналов примерно в одном и том же диапазоне значений.

Вывод по удержанию:

  • Европейцы проводят в приложении большее кол-во дней чем пользователи из Америки.
  • Пользователи PC (который в приоритете у Европейцев), так же показывают хорошее удержание.
  • Несмотря на хорошую конверсию iPhone, показатели удержания находится достаточно низко.
  • Среди каналов FaceBoom и AdNonSense справляются с удержанием заметно хуже чем остальные.

Графики LTV и ROI, графики динамики LTV, CAC и ROI по устроиствам¶

Вывод по окупаемости рекламы по устроиствам:

  • Самыми дорогими являются пользователи Mac и iPhone, самыми дешевыми - пользователи PC
  • Окупаемости достигают только пользователи PC.
  • Начиная с августа в ROI наблюдается снижение по всем устроиствам.

Графики LTV и ROI, графики динамики LTV, CAC и ROI по странам¶

Вывод по окупаемости рекламы по странам:

  • Привлечение пользователей из США обходится неимоверно дорого, в сравнении с Европейскими пользователями.
  • Великобритания, Германия и Франция окупаются на ранних этапах. США точки окупаемости не достигает
  • Динамика ROI для европейских стран стабильно высокая. На положительной динамике особенно выделяются пользователя из Великобритании с пиковыми значениями в середине Июля и середине Сентября

Графики LTV и ROI, графики динамики LTV, CAC и ROI по рекламным каналам (Совокупно)¶

Вывод по окупаемости рекламы по каналам (Совокупно):

  • В динамике LTV сильно выделяется LambdaMediaAds. Остальные каналы стабильны
  • Стоимость привлечения пользователей из TipTop растет с каждым месяцем и превосходит остальные источники в два раза
  • Окупаемости не достигают только FaceBoom, AdNonSense и TipTop. Остальные каналы окупаются в промежутке от 2го по 4й день.
  • В динамике ROI с пиковыми значениями выделяются YRabbit, LambdaMediaAds и MediaTornado. Эти же рекламные источники находятся в топ-3 по окупаемости в целом.

Графики LTV и ROI, графики динамики LTV, CAC и ROI по рекламным каналам (Америка)¶

Вывод по окупаемости рекламы по каналам (Совокупно):

  • Стоимость TipTop выделяется даже на фоне сокращенной Американской выборки, с ежемесечным ростом показателей
  • FaceBoom и TipTop не окупаются
  • YRabbit, MediaTornado и RocketSuperAds показывают отличный ROI как в окупаемости, так и в динамике.

Графики LTV и ROI, графики динамики LTV, CAC и ROI по рекламным каналам (Европа)¶

Вывод по окупаемости рекламы по каналам (Европа):

  • В LTV сильно выделяется LambdaMediaAds. Это заметно как в прогрессии, так и в динамике
  • Стоимость привлечения на всех каналах без колебаний
  • Среди европейских каналов только AdNonSense не доходит до порога окупаемости
  • В динамике ROI так же выделяется LambdaMediaAds на начале исследуемого периода, но ближе к июлю все окупаемые каналы находятся примерно в одном и том же диапазоне

Общий вывод¶

В нашем распоряжении были данные о пользователях развлекательного приложения Procrastinate Pro+, привлечённых с 1 мая по 27 октября 2019 года. Задача - разобраться в причинах убытков и помочь компании в выборе рекламной стратегии и рекламных каналах.

Для этого данные были приведны в "рабочее" состоянии, проверены на дубликаты и пропуски. Помимо этого перед началом исследования были заданы функции, которые составили портрет пользователей, конверсию и удержание, а так же упростили оценку окупаемости рекламного бюджета по источникам, странам и каналам, и помогли наглядно визуализируют полученные данные.

Из портрета пользователей было выяснено следующее:

  • Наибольший поток пользователей наблюдается из Соедененных штатов (66,7 %). Примерно на одном уровне (в районе 10 - 12%) находятся пользователи из Англии, Германии и Франции;
  • Платные действия в основном совершают пользователи из Соедененных штатов (77,7 %). Оставшаяся часть покупок (в районе 7-8% на страну) приходится на пользователи из Англии, Германии и Франции.
  • Приложением чаще всего пользуются на IPhone;
  • Сильного различия по ислользованию устройств среди платящих и неплатящих пользователей не наблюдается.
  • Европейские пользователи чаще всего впервые заходят в приложение с PC (около 40%), реже с устроиств Android (29 - 30%).
  • Почти половина пользователей США являются владельцами iPhone.

Маркетинг в исследлуемый период задействовал 10 рекламных каналов. Из них 5 работают только на Европейской территории и 5 только на территории США. Всего на маркетинг было потрачено 105 497 у.е.

Львиная доля бюджета (почти 50%) на маркетинг была выделена в TipTop. Вторым по значимости вложений стал FaceBoom (30% бюджета). Стоит отметить что эти два канала показывают рекламу только в США, соответственно почти 80% бюджета оседает на рекламном рынке Америки.

При рассмотрении стоимости привлечения пользователей в разрезе по месяцам заметно сильный рост цены на одного пользователя. На старте периода средний пользователь стоил 0,37 у.е., на конец перода стоимость возрасла до 0,86 у.е.

Из плюсов:

  • США показывает лучшую конверсию среди изучаемых регионов.
  • Пользователи Mac и iPhone лидируют по конверсии. Скорей всего это вызвано большим кол-вом пользователей из США.
  • Европейцы проводят в приложении большее кол-во дней чем пользователи из Америки.
  • Пользователи PC (который в приоритете у Европейцев) показывают хорошее удержание.
  • Окупаемости достигают только пользователи PC. Они же являются самыми дешевыми по привлечению
  • Великобритания, Германия и Франция окупаются на ранних этапах.
  • Динамика ROI для европейских стран стабильно высокая. На положительной динамике особенно выделяются пользователя из Великобритании с пиковыми значениями в середине Июля и середине Сентября
  • В динамике ROI с пиковыми значениями выделяются YRabbit, LambdaMediaAds и MediaTornado. Эти же рекламные источники находятся в топ-3 по окупаемости в целом.

Из минусов:

  • Конверсия Европейских стран резко поднимается в конце мая и после стабильно низка.
  • Несмотря на хорошую конверсию iPhone, показатели удержания находится достаточно низко.
  • Самыми дорогими по привлечению являются пользователи Mac и iPhone
  • Пользователи Mac, iPhone и Android не окупаются.
  • Привлечение пользователей из США обходится неимоверно дорого, в сравнении с Европейскими пользователями.
  • США точки окупаемости не достигает
  • Стоимость привлечения пользователей из TipTop растет с каждым месяцем и превосходит остальные источники в два раза

Очевидно, что причина убытков - завышенные ожидания от американского рынка в целом и от TipTop в частности. Несмотря на хорошую конверсию и долю рынка прибыль это направления маркетинга не показывает. С другой стороны на небольших вложениях европейский рынок показывает не только более высокую лояльность, но и быструю окупаемость.

В качестве рекомендаций, стоит:

  • Отказаться от размещения рекламы в TipTop.
  • Освободившийся бюджет перенести на рекламу в европейских каналах. Среди них лучшую окупаемость показывает LambdaMediaAds
  • Увеличить бюджет YRabbit для поддержания динамики рынка США
  • Несмотря на то, что FaceBoom не окупается он все еще приносит большой поток потенциальных пользователь и платящих клиентов не сжирая бюджет на рекламу. Возможно отсутствие продаж при переходе с этого источника связано не с самим каналом, а с устройствами, с которых совершается переход.

Благодарю за внимание!